D01 Numpy簡介,為什麼Numpy那麼快

2021-01-11 Adolph說派森

title: D01|Numpy簡介author: Adolph Leecategories: 數據挖掘基礎tags:

Python數據挖掘基礎Numpy

初識Numpy

Numpy是一個Python基礎科學計算包，它的核心是多維數組ndarray對象，Numpy提供了諸如數學、邏輯、形狀操作、排序、基本統計等基於ndarray的快速計算API。Numpy幾乎可以說是Python科學計算的基石，一些強大機器學習或科學計算庫都是基於Numpy，例如scikit-learn，pandas等。

Numpy是一個基礎的科學計算包Numpy的核心是ndarray對象ndarray封裝了Python的數組

ndarray的幾個特點

ndarray是一個多維數組ndarray在創建之初便固定了大小，如果更改ndarray對象的大小，本質上是先新增後刪除。ndarray中的元素需要相同的數據類型。

為什麼Numpy這麼快

Numpy在執行到涉及ndarry的操作時，其是由預編譯好的C代碼快速執行。因此Numpy不僅擁有Python簡介優雅特性，也擁有幾近於C的高效。

創建一個數組

ndarray的主要屬性

ndarray.ndim數組的維度個數ndarray.shape數組的維度，對於一個n行m列二維數組，其shape就是(n,m)ndarray.size數組的元素個數ndarray.dtype數組中的元素類型，例如int、int64ndarray.itemsize數組中每個元素的字節大小

快速創建numpy數組

numpy.arange(start,stop,step,dtype)用於創建一個具有等差數列性質的數組start 指定數值範圍的開始stop 指定數值範圍的結束[start,stop) 是一個左閉右開區間step 生成數列的步長dtype 指定輸入數組中的元素類型

numpy.linspace(start,stop,num,endpoint=True,retstep=False,dtype=None)用於創建具有指定個數元素等差數列的數組start 指定等差數列的初始值stop 指定等差數列的結束值num 指定等差數列的元素個數endpoint 指定生成的等差數列是否包含stop值，默認值True 包含retstep 是否顯示等差數列的步長，默認為False 不顯示dtype 指定輸入數組中的元素類型

numpy.logspace(start,stop,num,endpoint=True,base=10.0,dtype=None)用於創建具有指定個數元素等比數列的數組start 指定等比數列的起始值 起始值等於 base的start次方stop 指定等比數列的結束值 終止值為 base的stop次方num 指定等比數列的元素個數 指定生成的等比數列是否包含stop值，默認值True 包含 指定base值 指定輸入數組中的元素類型

快速創建數組

關於numpy的簡介就講到這裡，後面會繼續講到np的常用

函數

轉載請註明出處

相關焦點

  • 好程式設計師Python培訓分享numpy簡介
    好程式設計師Python培訓分享numpy簡介：一、numpy簡介：NumPy是一個功能強大的Python庫，主要用於對多維數組執行計算。NumPy這個詞來源於兩個單詞-- Numerical和Python。NumPy提供了大量的庫函數和操作，可以幫助程式設計師輕鬆地進行數值計算。
  • Numpy應用整理
    numpy簡介numpy是python最為常用的庫，沒有之一，它表示Numeric Python，從名字也可以看出來，它被用來做數值計算，常與scipy配合使用。要節省很多的時間，下面我們看為什麼numpy的速度快？
  • Numpy入門詳細教程
    本篇先從numpy開始，對numpy常用的方法進行思維導圖式梳理，多數方法僅拉單列表，部分接口輔以解釋說明及代碼案例。最後分享了個人關於axis和廣播機制的理解。min，argmin，與最大一致mean、std，分別求均值和標準差，也可接收一個預設參數axis實現特定軸向聚合統計或全局聚合var、cov，分別求方差和協方差，與均值標準差類似sort、argsort，分別返回排序後的數組和相應索引，接收一個axis參數，默認為axis=-1，按最後一個軸向，若axis=None表示先展平成一維數組後再排序；另外可設置排序算法
  • Python中NumPy簡介及使用舉例
    基本的ndarray是使用NumPy中的數組函數創建的: numpy.array。NumPy支持比Python更多種類的數值類型。NumPy數值是dtype(數據類型)對象的實例，每個對象具有唯一的特徵。
  • 為什麼你用不好Numpy的random函數?
    import numpy as np1 numpy.random.rand()numpy.random.rand(d0,d1,...()numpy.random.randn(d0,d1,...()3.1 numpy.random.randint()numpy.random.randint(low, high=None, size=None, dtype='l')返回隨機整數，範圍區間為[low,high），包含low，不包含high參數：low為最小值，high為最大值，size為數組維度大小，dtype為數據類型，默認的數據類型是np.int
  • 數據分析-numpy庫快速了解
    NumPy是SciPy、Pandas等數據處理或科學計算庫的基礎2.numpy庫有什麼用numpy用途是很廣的，涉及到數字計算等都可以使用，它的優勢在於底層是C語言開發的數據非常快。庫pip install numpy導入使用import numpy as np4.numpy中的數組對象ndarrayndarray是一個多維數組對象，由兩部分構成： 實際的數據 描述這些數據的元數據（數據維度、數據類型等）創建數組對象支持非常多種的創建方法，有列表數據創建或者
  • Numpy高級操作大全!!!
    – numpy.amin() , numpy.amax() 從給定數組中的元素沿指定軸返回最小值和最大值。– numpy.ptp() 函數返回沿軸的值的範圍(最大值 - 最小值)。– numpy.percentile() 表示小於這個值得觀察值佔某個百分比 • numpy.percentile(a, q, axis) • a 輸入數組;q 要計算的百分位數，在 0 ~ 100 之間;axis 沿著它計算百分位數的軸– numpy.median() 返回數據樣本的中位數。– numpy.mean() 沿軸返回數組中元素的算術平均值。
  • numpy產生隨機數匯總
    numpy.random.random_sample、numpy.random.ranf、numpy.random.sample用法與該函數類似。而在之前的numpy.random.rand()中可以有多個參數。例如，如果要產生一個3*3的隨機數組(不考慮服從什麼分布)，那麼在rand中的寫法是：numpy.random.rand(3,3)，而在random中的寫法是numpy.random.random( (3,3) )，這裡面是個元組，是有小括弧的。
  • D03 Numpy排序、篩選、統計
    在生活中最為常見的數據存放形式是二維表，我們將二維表數據轉換為ndarray之後對應的即為二維數組，下面以二維數組為例，講述numpy的排序、篩選、統計。排序關於排序，numpy的開發者們一早就為我們準備好了方法函數供我們使用，並且提供了多種不同的排序算法例如最常用的quicksort以及穩定性最強的mergesort。
  • NumPy ndarray數組的創建
    NumPy 是 Python 的外部庫，不在標準庫中，若要使用它，需要先導入 NumPy：import numpy as
  • Numpy學習打卡task01
    今天帶來的是Datawhale自主學習Numpy下學習打卡筆記第一部分—輸入輸出（為什麼沒有上，別問，問就是numpy.tan(90)）。本文大致介紹了numpy的相關背景知識。本文素材來自網絡及datawhale，糾錯指正、深入探討，咱們評論區見。
  • python數據分析基礎之numpy
    支持高級大量的維度數組與矩陣運算，是學習數據挖掘的基礎，今天我們就來總結下numpy的一些基礎用法。首先，在講numpy之前，我先帶領大家預習下大學學習過的矩陣的基礎知識。1、矩陣的基本概念矩陣：由m×n個數排列成 的m行n列的數表，稱為m行n列矩陣。實矩陣：元素是實數的矩陣。復矩陣：元素是負數的矩陣。
  • 為什麼要學Numpy,一文總結知識點
    ：返回排序後數組的拷貝array.sort：原地排序數組而不是返回拷貝numpy.argsort：間接排序，返回的是排序後的數字索引數據統計np.sum：所有元素的和np.prod：所有元素的乘積np.cumsum：元素的累積加和np.cumprod：元素的累積乘積np.min：最小值np.max：最大值np.percentile：0-100百分位數np.quantile：0-1分位數np.median
  • Python的武器庫05:numpy模塊(下)
    如果要分析為什麼會存在這麼一句格言？python的語法並不簡單，有複雜難懂的部分，之所以有這樣一句格言，是因為python中有很多強大的模塊，就像一個武器庫。Python正式由於這些模塊的出現，只要引入這個模塊，調用這個模塊的集成函數，問題迎刃而解；不需要從頭開始，節省了大量的時間。
  • Python中的Numpy基礎20問
    那麼如果給定一個數組，怎麼改變其形狀呢？常用的方式有兩種：reshape方法，它返回一個新的數組，而不能改變原始數組。resize方法，無返回值，它更改了原始數組。比如說我要將一個二維數組轉換為三維數組。
  • python數據科學系列:numpy入門詳細教程
    argmin，與最大一致mean、std，分別求均值和標準差，也可接收一個預設參數axis實現特定軸向聚合統計或全局聚合var、cov，分別求方差和協方差，與均值標準差類似sort、argsort，分別返回排序後的數組和相應索引，接收一個axis參數，默認為axis=-1，按最後一個軸向，若axis=None表示先展平成一維數組後再排序；另外可設置排序算法，如快排
  • Python數據分析之numpy數組全解析
    1 什麼是numpy2 numpy數組創建2.1 基本方法：np.array()2.2 通用方法：np.ones()、np.zeros()、np.eye()2.3 讀取外部數據3 numpy中數組的數據類型4 numpy中數組的形狀5 索引與切片5.1 按索引取值
  • pandas與numpy中神奇的axis
    pandas與numpy中神奇的axis最近在百奧智匯兼職，基本上比較重的工作就在數據處理，所以pandas和numpy用的比較多。
  • numpy庫學習總結(基礎知識)
    今天，我們來介紹一款處理數組的「神器」，對numpy學習中的一些基礎知識進行總結。重要的是，numpy內部解除了CPython中的全局解釋器鎖（GIL），運行效率非常好，是處理大量數組類結構和機器學習框架的基礎庫！【numpy庫安裝】一般使用pip install numpy進行安裝，對於進行機器學習和大數據分析的小朋友，強烈推薦安裝Anaconda，其中含有大量的機器學習和數據相關的Python模塊，安裝成功後即可使用了，不用浪費時間了。
  • Python Numpy-數組的常用函數
    日常使用numpy進行數據分析的時候，通常會使用模塊提供的函數，很大程度上方便了對於數據的操作。